Módszertani készségfejlesztés II.
Tantárgy kódja: BMEGT52M508, BMEGT52MN09
Tárgy típusa: kötelező a Pszichológia mesterképzés munka- és szervezetpszichológia szakirányos nappali és levelező tagozatos hallgatói számára
Kredit szám: 3
Előtanulmányi rend: Módszertani készségfejlesztés I. tantárgy előzetes teljesítése
Követelmény típusa: félévközi jegy
Kurzus típusa: gyakorlat
A tantárgy oktatásának módja: előadás vagy gyakorlat 3 óra/hét (nappali képzésen) előadás 4óra/alkalom (levelező képzésen)
____________________________________________________________________________________________________________________________________________________________
Tárgyfelelős: Dr. Izsó Lajos, egyetemi tanár
A tárgy előadója: Dr. Izsó Lajos, Hámornik Balázs, Gerákné dr. Krasz Katalin
A tárgy leírása:
"A cél az, hogy a „Módszertani készségfejlesztés I c. tárgy ismeretanyagára építve a hallgatók bevezetést kapjanak a korszerű többváltozós statisztikai módszerek elméletébe és gyakorlatába. Követelmény, hogy a hallgatók önálló projektfeladatot is végezzenek el az IBM SPSS Statistics programcsomag alkalmazására támaszkodva."
A félév során a következő módszerekkel foglalkozunk:
- Az egy és többváltozós általános lineáris modellek (GLM) áttekintése. Az általánosított lineáris modellek (GZLM): speciális regressziós elemzések. Bináris/multinomiális logisztikus, ordinális, probit, nem-lineáris regresszió. Loglineáris analízis: kettőnél több kategoriális változó kapcsolatának vizsgálata.
- Az Amos rendszer és alkalmazási lehetőségei: a Structural Equation Modeling (SEM) alapjai, több megfigyelt és látens változó egyidejű oksági elemzése.
- A Q-módszertan és alkalmazásai: szubjektív vélekedés-rendszerek objektív vizsgálatának lehetőségei. Az ún. O, P, Q és R technikák (korrelációk). A Q-módszertan alapját képező adatmátrix, a faktoranalízis és a varianciaanalízis alkalmazása. A döntési fák elmélete és gyakorlati alkalmazásai. Elvi alapok, a döntések információelméleti háttere, a döntési fák típusai az SPSS-ben.
- Mesterséges neurális hálózatok (ANN, neurális hálók): alapfogalmak, Multi-Layer Perceptron Network, Radial Basis Function Network, adatfeldolgozási példák.
- Az adatbányászat alapjai és megvalósítása az IBM SPSS Modeler csomag segítségével. Web bányászat: log file-ok előkészítése, eseménydefiníciók, a webmining node használata és beállításai, látogatói statisztikák. Modellek a web bányászatban.
- Szövegbányászat: döntési fák és döntési fa algoritmusok alkalmazása, célváltozók fogalma és vizsgálata, a Binning és C5.0 node-ok használata.
- Adatelemzési gyakorlat a web bányászat és a szövegbányászat témaköreiből.
Követelmény
-
Részvétel az órák 70%-án, (hiányzás a nappali képzésen legfeljebb 4, levelező képzésen legfeljebb 1 alkalommal).
- Házi feladatok elvégzése és aktív részvétel a gyakorlatokon.
- A félévzáró zh sikeres megírása.